MétaCan
Menu
Retour à la cohorte
Enregistrement W2199597817

위성영상 수출산업화 전략

2015· article· ko· W2199597817 sur OpenAlexaboutno aff
윤형식, 김용승

Notice bibliographique

Revue항공우주산업기술동향 · 2015
Typearticle
Langueko
DomaineHealth Professions
ThématiqueInnovation in Digital Healthcare Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)BusinessOutcome (game theory)SatelliteMarketingEconomicsEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

By now we hold the ability to develop the submeter high resolution satellite. It is the outcome of continuous development supported by the government demand and upbringing policy. Korea started the sales of satellite images by KOMPSAT-1 in 2000 and made a full-scale attempt to sell the KOMPSAT-2 images in 2007. Despite such efforts, the business outcome has not been improved because of some entry barriers. We are now faced with the times that force us to enter the global market of satellite images for the better business outcome, using the past experience and domestic infrastructure. Unlike our case, the American, French, and Canadian companies develop the emerging market and occupy the 75% of world market. The business strategy of these advanced countries is that: 1) the government fosters the relevant business companies to strengthen the competitiveness and to equip the growth engine. 2) the company establishes the growth platform to develop the foreign market, while providing its government users with satellite images and services. Under the changing environment of global market of satellite images, we examine whether or not our paradigm with the emphasis on the public services is suitable for global marketing of our satellite images. As a first step to meet the demands of the times, we suggest the strategic approaches to enhance the export of satellite images.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,182
Score d'incertitude au seuil0,608

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0050,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,1820,108

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,288
Tête enseignante GPT0,502
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue항공우주산업기술동향Même sujetInnovation in Digital Healthcare SystemsTravaux en français237 207